-
公开(公告)号：CN103927269B
公开(公告)日：2016-11-16
申请号：CN201410167086.7
申请日：2014-04-23
Applicant: 东南大学
Abstract: 本发明公开了一种基于块匹配的可重构配置信息缓存系统，包括配置信息解析单元、配置信息压缩单元、配置信息缓存单元及配置信息解压缩单元；所述配置信息缓存单元包括L1层配置信息缓存以及若干L2层配置信息缓存，所述L1层配置信息缓存用于存储多个可重构阵列的共享配置信息，所述每个L2层配置信息缓存对应一个可重构阵列，并且用于存储该可重构阵列的局部配置信息。所述缓存系统及其压缩方法提高了粗粒度动态可重构系统中配置信息缓存的资源利用率，使得在相同容量的配置信息缓存中，可以存储更多的配置信息，从而减少了粗粒度动态可重构系统的硬件开销。
-
公开(公告)号：CN104469368A
公开(公告)日：2015-03-25
申请号：CN201410742098.8
申请日：2014-12-08
Applicant: 东南大学
IPC: H04N19/196 , H04N17/00 , H04N17/02
Abstract: 本发明公开了一种普适手机平台的视频处理单元(VPU)的H.264视频编解码性能检测方法，包括：手机平台利用VPU进行H.264视频编解码的系统搭建、YUV视频序列H.264编码速率的测试、YUV视频序列H.264编码功耗的测试、YUV视频序列H.264编码PSNR的测试、H.264视频流解码速率的测试以及H.264视频流解码功耗的测试。本发明是一种能够适应各种手机型号的并在手机平台上实现检测上述VPU H.264编解码的极限性能的方案，本发明避免了传统只能适应某种型号手机进行VPU H.264编解码的弊端，并能对其编解码性能高效准确的测试。
-
公开(公告)号：CN103914429A
公开(公告)日：2014-07-09
申请号：CN201410157349.6
申请日：2014-04-18
Applicant: 东南大学
IPC: G06F15/173
Abstract: 本发明公开了一种用于粗粒度动态可重构阵列的多模式数据传输互连器，所述互连器包括多模式互连控制器以及多模式互连结构模块；所述多模式互连控制器用于存储不同的互连结构选择信息，并且将互连结构选择信息发送至多模式互连结构模块；所述多模式互连结构模块用于根据多模式互连控制器的互连结构选择信息在阵列上选择一种或者多种互连结构，从而实现可重构阵列中计算单元互连。所述互连器在可重构阵列上实现满足多种计算需求且计算性能良好的互连结构，此外互连结构还具有易于扩展、功耗低、面积小的优点。
-
公开(公告)号：CN103914404A
公开(公告)日：2014-07-09
申请号：CN201410177912.6
申请日：2014-04-29
Applicant: 东南大学
Abstract: 本发明公开了一种面向粗粒度可重构系统高存储利用率的配置信息缓存装置。其特征在于，包括配置信息输入接口、配置信息输出接口、配置信息存储单元、配置信息查找表和配置信息解析模块。其中，配置信息查找表用于标记所有当前缓存在配置信息缓存中的配置信息内核对应的索引编号；配置信息解析模块用于解析配置信息群组中所包含的配置信息内核的索引编号，并判断该索引编号是否已经存在于当前配置信息缓存的查找表中。配置信息缓存的存储和访问，分别以配置信息内核和配置信息群组为基本操作单位。并提供了相应的压缩存储方法，对于重复的配置信息内核在配置信息缓存中仅保留一份，消除了配置信息的存储冗余，从而提高了配置信息缓存的存储利用率。
-
公开(公告)号：CN119336021A
公开(公告)日：2025-01-21
申请号：CN202411443134.0
申请日：2024-10-16
Applicant: 东南大学
IPC: G05D1/43 , G05D1/65 , G05D1/633 , G05D1/644 , G05D109/10
Abstract: 本发明公开了一种基于多智能体深度强化学习的大规模车辆控制方法，经过定义离散控制指令对应连续控制信号、超参数设置、模型搭建、小规模环境的模型训练、网络权重更新、目标网络软更新和迭代更新的步骤，最终将迭代之后的模型部署到大规模高速公路变道与超车控制场景中，实现大规模车辆的控制。本发明方法将多智能体决策过程分解为多个单智能体决策过程，有效降低参数数量。接着，改进离散软演员‑批评家(Di screte Soft Actor‑Cr it ic，DSAC)算法，提高值网络训练的稳定性。同时，充分考虑交通场景中车辆的有限影响范围，提出基于椭圆邻域的奖励方案，鼓励相互影响的车辆形成合作的联合动作，减少计算资源并提高训练效率。
-
Patent Agency Ranking
公开(公告)号：CN118009990B
公开(公告)日：2024-07-05
申请号：CN202410424412.1
申请日：2024-04-10
Applicant: 水利部交通运输部国家能源局南京水利科学研究院 , 东南大学
IPC: G01C13/00 , G06F18/20 , G06F18/10 , G06Q10/04 , G06Q50/26 , G06N3/045 , G06N3/048 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种基于Transformer模型的高精度潮位实时预报方法，包括：获得逐时的上游径流量、河口潮位、目标站点的历史潮位和河口潮差数据；构建基于Transformer模型的水位预测模型，对水位预测模型进行训练，并对水位预测模型进行评估和优化；获取上游站点径流预报序列；采用调和分析方法获取河口站点潮位预报序列；利用水位预测模型进行水位预测，并每隔一段时间对水位预测模型进行自动更新。通过本发明的水位预测模型可提供实时潮位预报，以满足对河段潮位变化的快速响应需求。
-
公开(公告)号：CN117932509A
公开(公告)日：2024-04-26
申请号：CN202410028700.5
申请日：2024-01-05
Applicant: 银江技术股份有限公司 , 东南大学
IPC: G06F18/2433 , G06N3/096 , G06N3/092 , G06N3/084 , G06F18/23213 , G06N3/0455
Abstract: 本申请涉及一种异常网约车司机的检测方法、系统、装置和介质，其中，该方法包括：基于网约车司机的历史轨迹数据，训练得到共同路线偏好模型，其中，共同路线偏好模型用于计算网约车司机的共同路线偏好；基于共同路线偏好模型，训练得到若干个性化路线偏好模型，其中，个性化路线偏好模型用于计算各个网约车司机的个性化路线偏好；根据个性化路线偏好模型计算得到的各个网约车司机的个性化路线偏好，从网约车司机中确定出异常网约车司机。通过本申请，实现了基于共同路线偏好模型以迁移训练出每个网约车驾驶员的个性化路线偏好模型，通过不同网约车驾驶员的个性化路线偏好，确定出异常网约车司机，解决了如何检测出网约车异常司机的问题。
-
公开(公告)号：CN117236415A
公开(公告)日：2023-12-15
申请号：CN202311184463.3
申请日：2023-09-13
Applicant: 东南大学
Abstract: 本发明公开了一种基于人机共驾的自动驾驶安全训练方法，将上层的离散控制动作映射成底层的物理控制信号；设置超参数，搭建双深度Q网络，对受控车辆进行基于人机共驾的深度强化学习训练；训练中，先将受控车辆的动作经过人类专家判断，如果动作被判断为安全，则直接被使用；如果动作被判断为危险，由人类专家提供示范动作，并将状态、危险动作和人类专家的示范动作存到监督缓冲区；本方法旨在充分利用人类干预的样本，将人类的示范动作和拒绝的危险动作都添加到损失函数中，共同用于参数更新，克服现有技术的缺陷，提高训练速度和最终结果。
-
公开(公告)号：CN115691110A
公开(公告)日：2023-02-03
申请号：CN202211145911.4
申请日：2022-09-20
Applicant: 东南大学
Abstract: 本发明公开了一种面向动态车流的基于强化学习的交叉口信号周期稳定配时方法。首先在各交叉口采集计算各方向每车流计算周期内的车流量大小，作为离线数据供模型使用；接着根据计算得到的离线流量数据，按比例设定每个车流计算周期内的信号周期配时，得到基本信号周期配时方案；在基本信号周期配时方案的基础上，采用深度强化学习算法Soft‑Actor‑Critic在每次信号周期结束后，根据实时交通状态对各信号配时进行动态调整。本发明能够在保证交通信号周期配时稳定的条件下，使得实际的信号周期配时方案更适应动态的车流量变化，从而达到稳定提高交通通行效率的目的。
-
公开(公告)号：CN115034357A
公开(公告)日：2022-09-09
申请号：CN202210500967.0
申请日：2022-05-10
Applicant: 东南大学
Abstract: 本发明提供了一种基于双经验池和规则因子的强化学习改进方法。发明以DQN强化学习算法为基础算法，创新点在于加入了规则因子和双经验池。双经验池由深度强化学习经验池和专家知识规则经验池组成。在训练陷入瓶颈或者模型达到局部最优解后双经验池能够帮助智能体及时调整训练方向，从而提高训练效果。规则因子将根据训练进度自适应调整，从而优化基础算法的性能。规则因子由奖励值和损失值共同决定，用于经验池与其规模的选择和神经网络输入的修正。规则因子和双经验池的加入能够加快算法的收敛速度，利用专家知识最大可能减少探索空间，提高模型的最终成绩。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.047 seconds)
